近年來,隨著計(jì)算機(jī)網(wǎng)絡(luò)和物聯(lián)網(wǎng)技術(shù)的普及應(yīng)用和迅猛發(fā)展,我國農(nóng)業(yè)與計(jì)算機(jī)技術(shù)的結(jié)合正在不斷完善,其各個(gè)環(huán)節(jié)所產(chǎn)生的數(shù)據(jù)也在爆炸式增長。尋求有效的方法來分析和處理農(nóng)業(yè)海量數(shù)據(jù)并從中獲取有價(jià)值的信息,已經(jīng)成為農(nóng)業(yè)信息化發(fā)展的重要課題。我國的農(nóng)業(yè)結(jié)構(gòu)較為復(fù)雜,影響農(nóng)作物產(chǎn)量的因素眾多,涉及的領(lǐng)域也很廣泛,這使得我國智慧農(nóng)業(yè)平臺迫切需要具備高效的農(nóng)業(yè)大數(shù)據(jù)處理功能和產(chǎn)量預(yù)測功能。本文以江西省吉安市吉州區(qū)現(xiàn)代農(nóng)業(yè)示范園為應(yīng)用背景,研究了農(nóng)業(yè)大數(shù)據(jù)處理的高可靠性和高效性,構(gòu)建了結(jié)合全子集回歸(Full Subset Regression,FSR)特征選擇方法的人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANN)產(chǎn)量預(yù)測模型,并詳細(xì)分析了實(shí)際應(yīng)用需求,設(shè)計(jì)了融合Spark的農(nóng)業(yè)大數(shù)據(jù)處理與產(chǎn)量預(yù)測私有云平臺。其中,農(nóng)業(yè)大數(shù)據(jù)來源于農(nóng)業(yè)示范園所采集的海量農(nóng)作物生長環(huán)境數(shù)據(jù),數(shù)據(jù)的分布式存儲服務(wù)由閑置的計(jì)算機(jī)設(shè)備通過系統(tǒng)虛擬化并配置Hadoop集群來提供,分布式計(jì)算和數(shù)據(jù)管理服務(wù)由Spark、Hive等來提供,數(shù)據(jù)分析處理和農(nóng)作物產(chǎn)量預(yù)測服務(wù)由Spark SQL、Spark ML...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1智慧農(nóng)業(yè)物聯(lián)網(wǎng)基本框架

圖1-1智慧農(nóng)業(yè)物聯(lián)網(wǎng)基本框架（1）感知層：主要負(fù)責(zé)農(nóng)業(yè)園區(qū)各類農(nóng)作物生產(chǎn)過程的各種數(shù)據(jù)的采集工作，通過各種傳感器設(shè)備在農(nóng)作物生長的溫室大棚中采集相關(guān)環(huán)境數(shù)據(jù)包括溫度、濕度、CO2濃度等，再利用ZigBee等信息傳輸協(xié)議和技術(shù)來實(shí)現(xiàn)數(shù)據(jù)的傳輸功能；同時(shí)有視頻監(jiān)控設(shè)備來采....

圖2-1大數(shù)據(jù)云平臺三層服務(wù)結(jié)構(gòu)

7圖2-1大數(shù)據(jù)云平臺三層服務(wù)結(jié)構(gòu)IaaS層：通過VMware等虛擬化軟件來提供設(shè)備虛擬化服過配置Hadoop中的分布式文件系統(tǒng)HDFS來提供分布式功能。

圖2-2所使用的Hadoop生態(tài)圈

圖2-2所使用的Hadoop生態(tài)圈即Hadoop的分布式文件系統(tǒng)，它可以通過計(jì)算機(jī)網(wǎng)備上被多終端用戶共享使用，并能統(tǒng)一管理多臺設(shè)備的而言，使用HDFS仿佛像使用本地文件系統(tǒng)一般，由于

圖2-3HDFS基本架構(gòu)

圖2-3HDFS基本架構(gòu)Namenode的工作特點(diǎn)如下：（1）它一直將元數(shù)據(jù)存儲在內(nèi)存，以便于處理客戶端的讀操作請求；（2）當(dāng)接收寫操作請求時(shí)，它會先在磁盤中寫操作日志文件，成功后改內(nèi)存，最后返回給客戶端；

本文編號：3955437